Koloni morfoloji tahmininde yeni yapay öğrenme modelleri geliştirilmesi

Abstract

Besiyerleri mikroorganizmaların geliştirilmesi için formülize edilmiş ortamlardır. Bunlar, mikroorganizmaların geliştirilmesi, izolasyon, identifikasyon, sayım, duyarlılık testleri, sterilite testleri, klinik örneklerin incelenmesi, gıda, su ve çevre kontrolleri, biyolojik ürünlerin elde edilmesi, antibiyotik ve vitamin analizleri, endüstriyel analizler vb. gibi çok farklı amaçlara yönelik olabilir. Mikroorganizmaların besiyeri üzerinde çoğalarak oluşturduğu ve gözle görülebilen yapılara koloni denir. Agar üzerinde oluşan koloniler, mikroorganizma ve üreme ortamına bağlı olarak farklı morfolojik özelliklerde görüntüler oluşturmaktadır. Biyoteknoloji ve patoloji gibi alanlardaki birçok uygulamada ihtiyaç duyulan koloni sayımı, büyük sayıdaki kolonilerin elle sayılmasında sıkıcı, zaman alıcı ve insan hatası meyilli bir işlemdir. Laborantın yorgunluğu ile ilişkili olarak değişkenlik gösterebilen karar ve yeteneklerine bağımlıdır, laborantın çalışma hızı, belirli zaman aralığında değerlendirilebilecek petri sayısını sınırlandırmaktadır. Bu tezde, süt endüstrisinde ürünlerin mikrobiyolojik analiz sonuçlarının belirlenmesi için kullanılan küf, maya ve bakteri koloni görüntülerinin, görüntü işleme ve makine öğrenmesi teknikleri ile bilgisayar destekli sınıflandırılması üzerine çalışılmıştır.Görüntü işleme, imgeden bazı yararlı bilgileri çıkarmak amacıyla, görüntüyü dijital forma dönüştürmek ve üzerinde bazı işlemleri gerçekleştirmek için bir yöntemdir. Bu işlem girdisi video karesi veya fotoğraf gibi imge olan ve çıktısı yine imge veya imgeye ait nitelikler olan bir sinyal işleme türüdür. Yapay öğrenme sistemleri, objelerin, sinyallerin, imgelerin bilgisayarlar tarafından otomatik olarak tanınması, belirli parametrelere istinaden otomatik karar verme süreçlerinin bilgisayarlar tarafından yapılması gibi ihtiyaçlardan ortaya çıkmıştır.Küf, maya ve bakterilerin insan tarafından sınıflandırılmasında iki temel bilgi bulunmaktadır: renk bilgisi ve şekli bilgisi. İnsan gözü değerlendirme yaparken, koloni görüntüsündeki farklı renk sayısı, renk değişim ve geçişleri, koloni görüntüsündeki farklı geometrik şekiller ve kenar şekli değişimleri verilecek kararı etkilemektedir. İnsan gözünün algılamasında etkili olduğunu düşündüğümüz bu özelliklerden yola çıkarak görüntü işleme teknikleri ile ŞTY1 ve ŞTY2 olarak isimlendirilen iki adet şekil tabanlı ve RTY1 ve RTY2 olarak isimlendirilen 2 adet renk tabanlı öznitelik çıkarım yöntemi geliştirilmiştir.Problemin çözümüne yönelik uygun sınıflandırma sisteminin tayini için veri setlerine TBA, DAA öznitelik dönüşüm, SGS öznitelik seçim algoritmaları uygulanmış ve Naive Bayes, k-EYK, C4.5 ve YSA algoritmaları ile sınıflandırılmıştır. Elde edilen deneysel sonuçlara göre, RTY2 öznitelik çıkarım, TBA öznitelik dönüşüm ve YSA sınıflandırmasından oluşan sistem ile başarım, diğer sistemlere göre daha yüksek elde edilmiştir.

The Medium is environment that have been formulated for the growth of microorganisms. These can be for the different purposes such as growth, isolation, identification, counting, sensitivity tests of microorganisms, sterility testing, analysis of clinical samples, food, water, environmental controls, the acquisition of biological products, antibiotics and vitamins analysis, industrial analysis and so on. Structures which are formed by reproduced microorganisms and can be seen by eye are called colony. Colonies formed on the agar, creating images of different morphological characteristics depending on the microorganism and growth media. In the large number of colonies counted by hand, colony counting which is needed for many applications in areas such as biotechnology and pathology is boring, time consuming and it a process prone to human error. It depending on the decisions and abilities which can vary in relation to the laboratory worker fatigue, laborant's work rate limit the number of petri dishes can be evaluated at specific time interval. In this thesis, computer aided classification with image processing and machine learning methods on mold, yeast and bacteria colonie images which is used to determine the results of microbiological analysis of products in the dairy industry.Image processing is a method to convert the image to digital form and perform some operations on in order to extract some useful information from the image. This is a kind of signal processing whose input is an image such as video frame or photo and output is an image or features of the image. Artificial learning systems have emerged from needs such as automatic recognition of objects, signals, images by computers and automated decision-making process based on certain parameters by computers.There are two basic information on the classification of molds, yeasts and bacteria by the people: color information and shape information. When human eye making an assessment, the number of different colors in the colony image, color changes and transitions, different geometric shapes and corner shape changes in the colony image affects on the decision to be made. This hypothesis lead us to develeop two shape based and two color based feature extraction technique named ŞTY1,ŞTY2,RTY1 and RTY2 based on the characteristics that we think they effective to detection by human eye.For the determination of the appropriate classification system for solving the problem we applied PCA, LDA feature transformations, SBS feature selection algorithms to dataset and they have been classified by Naive Bayes, k-NN, C4.5 and ANN algorithms. According to empirical results obtained, the system that composed RTY2 feature extraction, PCA feature transformation and ANN classifier, have achieved better performance compared to other systems.